🧂 Whochoo (후추); 실사용 리뷰 기반 화장품 추천 챗봇 서비스

후추🧂의 공식 깃허브 레포입니다.

Overview

후추는 Langchain🦜, Streamlit, Huggingface🤗 등으로 구현된 RAG 추천 시스템입니다. 올리브영의 리뷰를 크롤링해 벡터DB를 생성하고, 유저의 질문과 가장 연관성 높은 리뷰들을 바탕으로 유저의 기호를 반영한 화장품을 추천해줍니다.

파일 및 디렉토리 목록

.
├── assets
├── chromedriver-win32
├── data
├── utils
├── README.md
├── crawling_one_json.py
├── main.py
├── rag.py
├── rag_local.py
├── requirements.txt
└── vectorstore.py

Content

• Set-up & Installation
• Run WhoChoo
  • Run WhoChoo with Streamlit!
  • Test WhoChoo on Your Device!
• Team WhoChoo

Set-up & Installation

개발 환경

• Python 3.10.X
• Linux, NVIDIA A100 GPU x 2, cuDNN 11.8 Python venv 생성 후, pip install -r requirements.txt

Run WhoChoo🧂

Run WhoChoo with Streamlit!

0. Huggingface API Token 발급, 개인 메모, 로컬 기기 등에 저장
1. utils/arguments.py 내 token의 기본값 수정
2. Streamlit으로 실행:

   streamlit run main.py --server.port <port number>
   

3. 채팅창에 원하는 화장품 특징 입력

Test WhoChoo on Your Device!

Streamlit 프레임워크 없이, python 실행 파일만으로 후추를 테스트하는 방법을 안내합니다.

1. Huggingface API 이용하여 테스트

   python rag.py \
       --token [API token] \ 
       --model_id [huggingface model repo] \ # optional
       --top_k 10 \ # optional, default 5
   

2. 로컬에서 모델을 다운로드 후 테스트 (GPU 사용 권장)

   python rag_local.py \
       --token [API token] \ 
       --model_id [huggingface model repo] \ # optional
       --top_k 10 \ # optional, default 5
   

Team WhoChoo

• 김예은(팀장): 기획, 데이터 크롤링
• 김민서(기술총괄): RAG 구현
• 윤세림: UI/UX, 발표자료
• 김연주: 기획(자료조사), 개발(프롬프트 엔지니어링), 발표자료
• 김도희: 개발 (프론트엔드)